Análise dos Acidentes de Trânsito de Belo Horizonte

Autores

• Felipe Pereira
• Isaac Reyes
• João Pedro Martins

Sumário

• Preparando os dados
  • Base de dados
  • Colando um índice de datas
  • Removendo as colunas que não precisamos
• Questões
  • 2. Faça um gráfico de linhas por ano mês indicando o número de acidentes naquele ano mês
  • 3. Repita o gráfico acima por ano apenas
  • 4. Faça um gráfico de barras por ano indicandos os tipos de acidentes mais comuns no ano
  • 5. Repita o gráfico acima considerando gráficos fatais e não fatais
  • 6. Faça a mesma análise por bairro e por acidentes fatais e não fatais
  • 7. Plotar Mapa de Belo Horizonte por Tipo de Acidente
  • 8. Plotar Intervalo de Confiança via Bootstrap do Número de Acidentes por Mês
  • 9. Vamos brincar de regressão
  • 10. Use o Número de Acidentes por bairro de 2019 para Prever 2022
  • 11. Fazer Análises Adicionais de Interesse

Preparando os dados

Base de Dados

A base de dados a ser analisada consiste em registros de acidentes de trânsito na cidade de Belo Horizonte. A base é separada em vários arquivos csv que podem ser lidos diretamente com babypandas. Para isso, use o código abaixo:

import babypandas as bpd
import pandas as pd
import glob
import matplotlib.pyplot as plt
import numpy as np

df = bpd.DataFrame()
for f in glob.glob('dados/*.csv'):
    aux = bpd.read_csv(f, sep=';')
    df = df.append(aux)

Colando um índice de datas

Infelizmente, o BabyPandas não lida muito bem com datas. Por isso, vamos tratar as datas usando pandas. A função pd.to_datetime converte texto em datas, funcionando bem no nosso caso.

data_correta = pd.to_datetime(
    df.get('data hora_boletim').values
)

Agora basta colocar a data na coluna correta

df = df.assign(
    data_boletim = data_correta
)

Removendo as colunas que não precisamos

Por fim, vamos remover todas as colunas desnecessárias e configurar um índice.

df = df.drop(
    columns=['data hora_boletim',
             'data_inclusao',
             'valor_ups',
             'valor_ups_antiga',
             'data_alteracao_smsa',
             'descricao_ups_antiga']
).sort_values(by='data_boletim').set_index('data_boletim')
df

	numero_boletim	tipo_acidente	desc_tipo_acidente	cod_tempo	desc_tempo	cod_pavimento	pavimento	cod_regional	desc_regional	origem_boletim	...	coordenada_x	coordenada_y	hora_informada	indicador_fatalidade	descricao_ups	ano	mes	lat	lon	bairro
data_boletim
2016-01-01 00:30:00	2016-008685542-001	H04000	QUEDA DE PESSOA DE VEICULO ...	0	NAO INFORMADO	0	NAO INFORMADO	21	NORDESTE	POLICIA CIVIL	...	610820.43	7801707.67	SIM	NÃO	NÃO INFORMADO	2016	1	-43.941446	-19.877669	Parque São João Batista
2016-01-01 01:00:00	2016-001865528-001	H06002	ATROPELAMENTO DE PESSOA SEM VITIMA FATAL ...	0	NAO INFORMADO	0	NAO INFORMADO	20	LESTE	POLICIA CIVIL	...	616043.53	7799563.76	SIM	NÃO	NÃO INFORMADO	2016	1	-43.891427	-19.896736	Casa Branca
2016-01-01 01:30:00	2016-014489036-001	H01002	ABALROAMENTO COM VITIMA ...	0	NAO INFORMADO	0	NAO INFORMADO	23	NORTE	POLICIA CIVIL	...	610686.91	7805465.91	SIM	NÃO	NÃO INFORMADO	2016	1	-43.942946	-19.843720	Padre Júlio Maria
2016-01-01 02:55:00	2016-000009920-001	H01002	ABALROAMENTO COM VITIMA ...	0	NAO INFORMADO	0	NAO INFORMADO	23	NORTE	POLICIA MILITAR	...	610958.28	7806566.34	SIM	NÃO	NÃO INFORMADO	2016	1	-43.940421	-19.833761	Santa Isabel
2016-01-01 03:00:00	2016-000207284-001	H09002	COLISAO DE VEICULOS COM VITIMA ...	1	BOM	1	ASFALTO	19	CENTRO-SUL	POLICIA CIVIL	...	611496.74	7793765.15	SIM	NÃO	NÃO INFORMADO	2016	1	-43.934506	-19.949393	Sion
...	...	...	...	...	...	...	...	...	...	...	...	...	...	...	...	...	...	...	...	...	...
2022-12-31 18:08:00	2022-057273258-001	H01002	ABALROAMENTO COM VITIMA ...	1	BOM	1	ASFALTO	23	NORTE	POLICIA MILITAR	...	612239.23	7810127.89	SIM	NÃO	NÃO INFORMADO	2022	12	-43.928406	-19.801509	Conjunto Zilah Spósito
2022-12-31 20:16:00	2022-057287120-001	H09002	COLISAO DE VEICULOS COM VITIMA ...	0	NAO INFORMADO	0	NAO INFORMADO	19	CENTRO-SUL	POLICIA MILITAR	...	612986.62	7795656.61	SIM	NÃO	NÃO INFORMADO	2022	12	-43.920387	-19.932217	São Lucas
2022-12-31 20:29:00	2022-057285174-001	H09002	COLISAO DE VEICULOS COM VITIMA ...	0	NAO INFORMADO	0	NAO INFORMADO	20	LESTE	POLICIA MILITAR	...	615392.56	7798300.78	SIM	NÃO	NÃO INFORMADO	2022	12	-43.897566	-19.908186	Belém
2022-12-31 20:50:00	2023-004511369-001	H09002	COLISAO DE VEICULOS COM VITIMA ...	0	NAO INFORMADO	0	NAO INFORMADO	25	PAMPULHA	POLICIA MILITAR	...	606434.82	7800642.99	SIM	NÃO	NÃO INFORMADO	2022	12	-43.983271	-19.887533	Engenho Nogueira
2022-12-31 21:52:00	2022-057298812-001	H08002	CHOQUE MECANICO COM VITIMA ...	2	CHUVA	1	ASFALTO	20	LESTE	POLICIA MILITAR	...	612202.25	7796880.84	SIM	NÃO	NÃO INFORMADO	2022	12	-43.927955	-19.921201	Floresta

75619 rows × 22 columns

2. Faça um gráfico de linhas por ano mês indicando o número de acidentes naquele ano mês.

grouped_by_month = df.groupby(['ano', 'mes']).size()
grouped_by_month.plot(kind='line')
plt.ylabel('Número de Acidentes')

Text(0, 0.5, 'Número de Acidentes')

3. Repita o gráfico acima por ano apenas.

grouped_by_year = df.groupby('ano').size()
grouped_by_year.plot(kind='line')
plt.ylabel('Número de Acidentes')

Text(0, 0.5, 'Número de Acidentes')

4. Faça um gráfico de barras por ano indicandos os tipos de acidentes mais comuns no ano.

import random
import random

years = df.get('ano').unique().tolist()

colors = ['#D354F8', '#595B8E', '#31A8A6', '#F54C50', '#14C50C', '#14B1A6', '#183EAA']

for i in range(len(colors)):
    while i > 0 and colors[i] == colors[i-1]:
        colors[i] = '#' + ''.join(random.choices('0123456789ABCDEF', k=6))

spacing = 1
bar_width = 0.1
num_accident_kinds = df.groupby('tipo_acidente').size()

plt.figure(figsize=(12, 8))
for i, year in enumerate(years):
    accidents_per_year = df[df.get('ano') == year].groupby('tipo_acidente').size()
    ax = accidents_per_year.plot(kind='bar', color=colors[i], position=i * (bar_width + spacing), width=bar_width, label=year, edgecolor='black')

plt.title('Tipo de Acidente mais comum por Ano')
plt.xlabel('Tipo de Acidente')
plt.ylabel('Número de Acidentes')
plt.legend()

plt.show()

5. Repita o gráfico acima considerando gráficos fatais e não fatais.

fatals = df[df.get('indicador_fatalidade') == 'SIM'].groupby('tipo_acidente').size()
non_fatals = df[df.get('indicador_fatalidade') == 'NÃO'].groupby('tipo_acidente').size()

ax = fatals.plot(kind='bar', color='red', position=0, width=0.4, label='Fatais')
non_fatals.plot(kind='bar', color='blue', position=1, width=0.4, ax=ax, label='Não Fatais')

plt.title('Acidentes de Trânsito por Tipo e Gravidade')
plt.xlabel('Tipo de Acidente')
plt.ylabel('Número de Acidentes')
plt.legend()

plt.show()

6. Faça a mesma análise por bairro e por acidentes fatais e não fatais

grouped_by_year
neighborhood_records = {}
for neighborhood in df.get('bairro').unique():
    records = df[df.get('bairro') == neighborhood]
    neighborhood_records[neighborhood] = records
neighborhood_records_fatals = {neighborhood: neighborhood_records[neighborhood][neighborhood_records[neighborhood].get('indicador_fatalidade') == 'SIM'].groupby('ano') for neighborhood in neighborhood_records}
neighborhood_records_non_fatals = {neighborhood: neighborhood_records[neighborhood][neighborhood_records[neighborhood].get('indicador_fatalidade') == 'NÃO'].groupby('ano') for neighborhood in neighborhood_records}

bar_width = 0.3
spacing = 0.3

for i, year in enumerate(years):
    fig, (ax1, ax2) = plt.subplots(2, 1, figsize=(10, 24))

    df_year = df[df.get('ano') == year]
    
    fatals = df_year[df_year.get('indicador_fatalidade') == 'SIM'].groupby('bairro').size()
    non_fatals = df_year[df_year.get('indicador_fatalidade') == 'NÃO'].groupby('bairro').size()
    
    fatals.plot(kind='barh', color=colors[i], position=i * (bar_width + spacing), width=bar_width, ax=ax1, label=f'{year} Fatais', edgecolor='black')
    
    non_fatals.plot(kind='barh', color=colors[i], position=i * (bar_width + spacing), width=bar_width, ax=ax2, label=f'{year} Não Fatais', edgecolor='black')

    ax1.set_title(f'Acidentes Fatais por Bairro em {year}')
    ax1.set_ylabel('Bairro')
    ax1.set_xlabel('Número de Acidentes')
    ax1.legend()

    ax2.set_title(f'Acidentes Não Fatais por Bairro em {year}')
    ax2.set_ylabel('Bairro')
    ax2.set_xlabel('Número de Acidentes')
    ax2.legend()

    plt.tight_layout()

    plt.show()

7. Plotar Mapa de Belo Horizonte por Tipo de Acidente:

• Faça um gráfico de dispersão das latitudes e longitudes. O mesmo deve parecer com o mapa de BH.
  Para entender bem os tipos de acidentes, faça gráficos por tipos diferentes de acidentes.

df.plot(
  kind='hexbin',
  x='lat',
  y='lon',
  mincnt=1,
  gridsize=75,
  bins='log'
 )
plt.title('Mapa de Belo Horizonte')

Text(0.5, 1.0, 'Mapa de Belo Horizonte')

Os tipos de acidentes são :

df.get("desc_tipo_acidente").unique()

array(['QUEDA DE PESSOA DE VEICULO                        ',
       'ATROPELAMENTO DE PESSOA SEM VITIMA FATAL          ',
       'ABALROAMENTO COM VITIMA                           ',
       'COLISAO DE VEICULOS COM VITIMA                    ',
       'CHOQUE MECANICO COM VITIMA                        ',
       'CAPOTAMENTO/TOMBAMENTO COM VITIMA                 ',
       'OUTROS COM VITIMA                                 ',
       'QUEDA E/OU VAZAMENTO DE CARGA DE VEICULO C/ VITIMA',
       'ATROPELAMENTO DE PESSOA COM VITIMA FATAL          ',
       'QUEDA DE VEICULO COM VITIMA                       ',
       'ATROPELAMENTO DE ANIMAL COM VITIMA                ',
       'CAPOTAMENTO/TOMBAMENTO SEM VITIMA                 '], dtype=object)

Acidentes de queda de pessoa por veículo por latitude e longitude :

grouped_by_QUEDA_DE_PESSOA_DE_VEICULO = df[(df.get('desc_tipo_acidente') == 'QUEDA DE PESSOA DE VEICULO                        ')]
grouped_by_QUEDA_DE_PESSOA_DE_VEICULO.plot(
  kind='hexbin',
  x='lat',
  y='lon',
  mincnt=1,
  gridsize=75,
  bins='log'
 )
plt.title('Acidentes de queda de pessoa por veículo por latitude e longitude')

Text(0.5, 1.0, 'Acidentes de queda de pessoa por veículo por latitude e longitude')

Acidentes de atropelamento de pessoa sem vítima fatal por latitude e longitude :

grouped_by_ATROPELAMENTO_DE_PESSOA_SEM_VITIMA_FATAL = df[(df.get('desc_tipo_acidente') == 'ATROPELAMENTO DE PESSOA SEM VITIMA FATAL          ')]
grouped_by_ATROPELAMENTO_DE_PESSOA_SEM_VITIMA_FATAL.plot(
  kind='hexbin',
  x='lat',
  y='lon',
  mincnt=1,
  gridsize=75,
  bins='log'
 )
plt.title('Acidentes de atropelamento de pessoa sem vítima fatal por latitude e longitude')

Text(0.5, 1.0, 'Acidentes de atropelamento de pessoa sem vítima fatal por latitude e longitude')

Acidentes de abalroamento com vítima por latitude e longitude :

grouped_by_ABALROAMENTO_COM_VITIMA = df[(df.get('desc_tipo_acidente') == 'ABALROAMENTO COM VITIMA                           ')]
grouped_by_ABALROAMENTO_COM_VITIMA.plot(
  kind='hexbin',
  x='lat',
  y='lon',
  mincnt=1,
  gridsize=75,
  bins='log'
 )
plt.title('Acidentes de abalroamento com vítima por latitude e longitude')

Text(0.5, 1.0, 'Acidentes de abalroamento com vítima por latitude e longitude')

Acidentes de colisão de veículos com vítima por latitude e longitude :

grouped_by_COLISAO_DE_VEICULOS_COM_VITIMA= df[(df.get('desc_tipo_acidente') == 'COLISAO DE VEICULOS COM VITIMA                    ')]
grouped_by_COLISAO_DE_VEICULOS_COM_VITIMA.plot(
  kind='hexbin',
  x='lat',
  y='lon',
  mincnt=1,
  gridsize=75,
  bins='log'
 )
plt.title('Acidentes de colisão de veículos com vítima por latitude e longitude')

Text(0.5, 1.0, 'Acidentes de colisão de veículos com vítima por latitude e longitude')

Acidentes de choque mecânico com vítima por latitude e longitude :

grouped_by_CHOQUE_MECANICO_COM_VITIMA= df[(df.get('desc_tipo_acidente') == 'CHOQUE MECANICO COM VITIMA                        ')]
grouped_by_CHOQUE_MECANICO_COM_VITIMA.plot(
  kind='hexbin',
  x='lat',
  y='lon',
  mincnt=1,
  gridsize=75,
  bins='log'
 )
plt.title('Acidentes de choque mecânico com vítima por latitude e longitude')

Text(0.5, 1.0, 'Acidentes de choque mecânico com vítima por latitude e longitude')

Acidentes de capotamento ou tombamento com vítima por latitude e longitude :

grouped_by_CAPOTAMENTO_ou_TOMBAMENTO_COM_VITIMA= df[(df.get('desc_tipo_acidente') == 'CAPOTAMENTO/TOMBAMENTO COM VITIMA                 ')]
grouped_by_CAPOTAMENTO_ou_TOMBAMENTO_COM_VITIMA.plot(
  kind='hexbin',
  x='lat',
  y='lon',
  mincnt=1,
  gridsize=75,
  bins='log'
 )
plt.title('Acidentes de capotamento ou tombamento com vítima por latitude e longitude')

Text(0.5, 1.0, 'Acidentes de capotamento ou tombamento com vítima por latitude e longitude')

Acidentes de outros com vítima por latitude e longitude :

grouped_by_OUTROS_COM_VITIMA= df[(df.get('desc_tipo_acidente') == 'OUTROS COM VITIMA                                 ')]
grouped_by_OUTROS_COM_VITIMA.plot(
  kind='hexbin',
  x='lat',
  y='lon',
  mincnt=1,
  gridsize=75,
  bins='log'
 )
plt.title('Acidentes de outros com vítima por latitude e longitude')

Text(0.5, 1.0, 'Acidentes de outros com vítima por latitude e longitude')

Acidentes de queda e ou vazamento de carga de veículo com vítima por latitude e longitude :

grouped_by_QUEDA_E_OU_VAZAMENTO_DE_CARGA_DE_VEICULO_COM_VITIMA= df[(df.get('desc_tipo_acidente') == 'QUEDA E/OU VAZAMENTO DE CARGA DE VEICULO C/ VITIMA')]
grouped_by_QUEDA_E_OU_VAZAMENTO_DE_CARGA_DE_VEICULO_COM_VITIMA.plot(
  kind='hexbin',
  x='lat',
  y='lon',
  mincnt=1,
  gridsize=75,
  bins='log'
 )
plt.title('Acidentes de queda e ou vazamento de carga de veículo com vítima por latitude e longitude')

Text(0.5, 1.0, 'Acidentes de queda e ou vazamento de carga de veículo com vítima por latitude e longitude')

Acidentes de atropelamento de pessoa com vítima fatal por latitude e longitude :

grouped_by_ATROPELAMENTO_DE_PESSOA_COM_VITIMA_FATAL= df[(df.get('desc_tipo_acidente') == 'ATROPELAMENTO DE PESSOA COM VITIMA FATAL          ')]
grouped_by_ATROPELAMENTO_DE_PESSOA_COM_VITIMA_FATAL.plot(
  kind='hexbin',
  x='lat',
  y='lon',
  mincnt=1,
  gridsize=75,
  bins='log'
 )
plt.title('Acidentes de atropelamento de pessoa com vítima fatal por latitude e longitude')

Text(0.5, 1.0, 'Acidentes de atropelamento de pessoa com vítima fatal por latitude e longitude')

Acidentes de queda de veículo com vítima por latitude e longitude :

grouped_by_QUEDA_DE_VEICULO_COM_VITIMA= df[(df.get('desc_tipo_acidente') == 'QUEDA DE VEICULO COM VITIMA                       ')]
grouped_by_QUEDA_DE_VEICULO_COM_VITIMA.plot(
  kind='hexbin',
  x='lat',
  y='lon',
  mincnt=1,
  gridsize=75,
  bins='log'
 )
plt.title('Acidentes de queda de veículo com vítima por latitude e longitude')

Text(0.5, 1.0, 'Acidentes de queda de veículo com vítima por latitude e longitude')

Acidentes de atropelamento de animal com vítima por latitude e longitude :

grouped_by_ATROPELAMENTO_DE_ANIMAL_COM_VITIMA= df[(df.get('desc_tipo_acidente') == 'ATROPELAMENTO DE ANIMAL COM VITIMA                ')]
grouped_by_ATROPELAMENTO_DE_ANIMAL_COM_VITIMA.plot(
  kind='hexbin',
  x='lat',
  y='lon',
  mincnt=1,
  gridsize=75,
  bins='log'
 )
plt.title('Acidentes de atropelamento de animal com vítima por latitude e longitude')

Text(0.5, 1.0, 'Acidentes de atropelamento de animal com vítima por latitude e longitude')

Acidentes de capotamento ou tombamento sem vítima por latitude e longitude :

grouped_by_CAPOTAMENTO_ou_TOMBAMENTO_SEM_VITIMA= df[(df.get('desc_tipo_acidente') == 'CAPOTAMENTO/TOMBAMENTO SEM VITIMA                 ')]
grouped_by_CAPOTAMENTO_ou_TOMBAMENTO_SEM_VITIMA.plot(
  kind='hexbin',
  x='lat',
  y='lon',
  mincnt=1,
  gridsize=75,
  bins='log'
 )
plt.title('Acidentes de capotamento ou tombamento sem vítima por latitude e longitude')

Text(0.5, 1.0, 'Acidentes de capotamento ou tombamento sem vítima por latitude e longitude')

8. Plotar Intervalo de Confiança via Bootstrap do Número de Acidentes por Mês:

• Utilize a técnica de bootstrap para calcular intervalos de confiança para o número de acidentes em cada mês. Plote esses intervalos juntamente com a média mensal dos acidentes para visualizar a variabilidade e a confiança das estimativas.

Criando o Data Frame com o número de acidentes em cada mês:

acidentes_por_mes = df.groupby(['ano', 'mes']).count()
acidentes_por_mes = acidentes_por_mes.assign(num_acidentes = acidentes_por_mes.get("bairro")).reset_index()
acidentes_por_mes = acidentes_por_mes.drop(columns = ["numero_boletim", "tipo_acidente", "desc_tipo_acidente", "cod_tempo", "desc_tempo", "cod_pavimento", "pavimento", "cod_regional", "desc_regional", "origem_boletim", "velocidade_permitida", "coordenada_x", "coordenada_y", "hora_informada", "indicador_fatalidade", "descricao_ups", "local_sinalizado", "lat", "lon", "bairro"])
acidentes_por_mes

	ano	mes	num_acidentes
0	2016	1	847
1	2016	2	838
2	2016	3	964
3	2016	4	948
4	2016	5	972
...	...	...	...
79	2022	8	975
80	2022	9	1001
81	2022	10	1097
82	2022	11	983
83	2022	12	990

84 rows × 3 columns

Realizando o bootstrap :

media_acidentes_por_mes= np.array([])
for i in np.arange(10000):
    media = acidentes_por_mes.sample(84, replace = True).get("num_acidentes").mean()
    media_acidentes_por_mes = np.append(media_acidentes_por_mes, media)
media_acidentes_por_mes 

array([888.02380952, 887.01190476, 903.07142857, ..., 907.63095238,
       894.9047619 , 900.0952381 ])

Encontrando o intervalo de confiança de 95% :

right = np.percentile(media_acidentes_por_mes, 97.5)
left = np.percentile(media_acidentes_por_mes, 2.5)
[left,right]

[878.7017857142857, 920.6431547619047]

bpd.DataFrame().assign( Media_bootstrap=media_acidentes_por_mes).plot(kind='hist', density=True, ec='w', figsize=(10, 5))
plt.plot([left, right], [0, 0], color='gold', linewidth=12, label='Intevalo de confiança 95%')
plt.legend()

<matplotlib.legend.Legend at 0x25a956c97c0>

9. Vamos brincar de regressão.

• Inicialmente, faça um gráfico de dispersão onde o eixo X é o número de acidentes em 2019, 2020 ou 2021.
• Serão três gráficos.
• Cada ponto no gráfico vai corresponder a um bairro.

Criando todos os mergs :

cont = df.groupby(['bairro', 'ano']).size().reset_index()
dados_2019 = cont[cont.get('ano') == 2019]
dados_2020 = cont[cont.get('ano') == 2020]
dados_2021 = cont[cont.get('ano') == 2021]
merge_by_acidentes_2019_e_2020 = dados_2019.merge(
  dados_2020,
  on='bairro')
merge_by_acidentes_2019_e_2021 = dados_2019.merge(
  dados_2021,
  on='bairro')
merge_by_acidentes_2020_e_2021 = dados_2020.merge(
  dados_2021,
  on='bairro')

merge_by_acidentes_2019_e_2020

	bairro	ano_x	0_x	ano_y	0_y
0	Aarão Reis	2019	47	2020	60
1	Acaiaca	2019	11	2020	10
2	Adelaide	2019	39	2020	25
3	Alto dos Pinheiros	2019	19	2020	16
4	Alípio de Melo	2019	35	2020	24
...	...	...	...	...	...
288	Vitória	2019	19	2020	25
289	Vitória da Conquista	2019	7	2020	6
290	Washington Pires	2019	5	2020	9
291	Álvaro Camargos	2019	10	2020	12
292	Átila de Paiva	2019	77	2020	65

293 rows × 5 columns

merge_by_acidentes_2019_e_2021

	bairro	ano_x	0_x	ano_y	0_y
0	Aarão Reis	2019	47	2021	66
1	Acaiaca	2019	11	2021	16
2	Adelaide	2019	39	2021	35
3	Alto dos Pinheiros	2019	19	2021	26
4	Alípio de Melo	2019	35	2021	39
...	...	...	...	...	...
288	Vitória	2019	19	2021	16
289	Vitória da Conquista	2019	7	2021	11
290	Washington Pires	2019	5	2021	5
291	Álvaro Camargos	2019	10	2021	6
292	Átila de Paiva	2019	77	2021	51

293 rows × 5 columns

merge_by_acidentes_2020_e_2021

	bairro	ano_x	0_x	ano_y	0_y
0	Aarão Reis	2020	60	2021	66
1	Acaiaca	2020	10	2021	16
2	Adelaide	2020	25	2021	35
3	Alto dos Pinheiros	2020	16	2021	26
4	Alípio de Melo	2020	24	2021	39
...	...	...	...	...	...
287	Vitória	2020	25	2021	16
288	Vitória da Conquista	2020	6	2021	11
289	Washington Pires	2020	9	2021	5
290	Álvaro Camargos	2020	12	2021	6
291	Átila de Paiva	2020	65	2021	51

292 rows × 5 columns

merge_by_acidentes_2019_e_2020.plot(kind = "scatter", x = "0_x", y = "0_y" )
plt.xlabel('Número de acidentes por bairro em 2019')
plt.ylabel('Número de acidentes por bairro em 2020')

Text(0, 0.5, 'Número de acidentes por bairro em 2020')

merge_by_acidentes_2019_e_2021.plot(kind = "scatter", x = "0_x", y = "0_y" )
plt.xlabel('Número de acidentes por bairro em 2019')
plt.ylabel('Número de acidentes por bairro em 2021')

Text(0, 0.5, 'Número de acidentes por bairro em 2021')

merge_by_acidentes_2020_e_2021.plot(kind = "scatter", x = "0_x", y = "0_y" )
plt.xlabel('Número de acidentes por bairro em 2020')
plt.ylabel('Número de acidentes por bairro em 2021')

Text(0, 0.5, 'Número de acidentes por bairro em 2021')

10. Use o Número de Acidentes por bairro de 2019 para Prever 2022:

• Também use os de 2020
• Por fim use os de 2022
• Aplique métodos de previsão (como modelos de regressão) para estimar o número de acidentes em 2023, utilizando os dados passados
• Avalie os erros do modelo e discuta as limitações
• Compare os três modelos. A pandemia teve algum impacto, qual?

Primeiramente, vamos definir uma função que expressa X ou Y (colunas de um DataFrame) em unidades padronizadas :

def standard_units(col):
    return (col - col.mean()) / np.std(col)

Agora uma função que calcula a correlação R a partir das unidades padronizadas:

def calculate_r(df, x, y):
    '''Returns the average value of the product of x and y, 
       when both are measured in standard units.'''
    x_su = standard_units(df.get(x))
    y_su = standard_units(df.get(y))
    return (x_su * y_su).mean()

Criando o merge para prever o número de acidentes por bairro de 2022 usando 2019 :

dados_2022 = cont[cont.get('ano') == 2022]
merge_by_acidentes_2019_e_2022 = dados_2019.merge(
  dados_2022,
  on='bairro')
merge_by_acidentes_2019_e_2022

	bairro	ano_x	0_x	ano_y	0_y
0	Aarão Reis	2019	47	2022	63
1	Acaiaca	2019	11	2022	12
2	Adelaide	2019	39	2022	31
3	Alto dos Pinheiros	2019	19	2022	24
4	Alípio de Melo	2019	35	2022	31
...	...	...	...	...	...
286	Vitória	2019	19	2022	19
287	Vitória da Conquista	2019	7	2022	6
288	Washington Pires	2019	5	2022	8
289	Álvaro Camargos	2019	10	2022	12
290	Átila de Paiva	2019	77	2022	78

291 rows × 5 columns

Funções para calcular o a e o b no caso geral :

def slope(df, x, y):
    "Returns the slope of the regression line between columns x and y in df (in original units)."
    r = calculate_r(df, x, y)
    return r * np.std(df.get(y)) / np.std(df.get(x))

def intercept(df, x, y):
    "Returns the intercept of the regression line between columns x and y in df (in original units)."
    return df.get(y).mean() - slope(df, x, y) * df.get(x).mean()

slope_2019_2022 = slope(merge_by_acidentes_2019_e_2022, "0_x", "0_y")
intercept_2019_2022 = intercept(merge_by_acidentes_2019_e_2022, "0_x", "0_y")

predict_2022_usando_2019 = merge_by_acidentes_2019_e_2022.assign(num_2022_previsto = slope_2019_2022 * merge_by_acidentes_2019_e_2022.get("0_y") + intercept_2019_2022)
predict_2022_usando_2019

	bairro	ano_x	0_x	ano_y	0_y	num_2022_previsto
0	Aarão Reis	2019	47	2022	63	57.561025
1	Acaiaca	2019	11	2022	12	13.713688
2	Adelaide	2019	39	2022	31	30.048970
3	Alto dos Pinheiros	2019	19	2022	24	24.030708
4	Alípio de Melo	2019	35	2022	31	30.048970
...	...	...	...	...	...	...
286	Vitória	2019	19	2022	19	19.731950
287	Vitória da Conquista	2019	7	2022	6	8.555177
288	Washington Pires	2019	5	2022	8	10.274681
289	Álvaro Camargos	2019	10	2022	12	13.713688
290	Átila de Paiva	2019	77	2022	78	70.457301

291 rows × 6 columns

comparacao_previsto_real_2022_usando_2019 = predict_2022_usando_2019.assign(residual= (predict_2022_usando_2019.get("0_y") - predict_2022_usando_2019.get("num_2022_previsto")))
comparacao_previsto_real_2022_usando_2019

	bairro	ano_x	0_x	ano_y	0_y	num_2022_previsto	residual
0	Aarão Reis	2019	47	2022	63	57.561025	5.438975
1	Acaiaca	2019	11	2022	12	13.713688	-1.713688
2	Adelaide	2019	39	2022	31	30.048970	0.951030
3	Alto dos Pinheiros	2019	19	2022	24	24.030708	-0.030708
4	Alípio de Melo	2019	35	2022	31	30.048970	0.951030
...	...	...	...	...	...	...	...
286	Vitória	2019	19	2022	19	19.731950	-0.731950
287	Vitória da Conquista	2019	7	2022	6	8.555177	-2.555177
288	Washington Pires	2019	5	2022	8	10.274681	-2.274681
289	Álvaro Camargos	2019	10	2022	12	13.713688	-1.713688
290	Átila de Paiva	2019	77	2022	78	70.457301	7.542699

291 rows × 7 columns

Agora, usando 2020:

merge_by_acidentes_2020_e_2022 = dados_2020.merge(
  dados_2022,
  on='bairro')
merge_by_acidentes_2020_e_2022

	bairro	ano_x	0_x	ano_y	0_y
0	Aarão Reis	2020	60	2022	63
1	Acaiaca	2020	10	2022	12
2	Adelaide	2020	25	2022	31
3	Alto dos Pinheiros	2020	16	2022	24
4	Alípio de Melo	2020	24	2022	31
...	...	...	...	...	...
286	Vitória	2020	25	2022	19
287	Vitória da Conquista	2020	6	2022	6
288	Washington Pires	2020	9	2022	8
289	Álvaro Camargos	2020	12	2022	12
290	Átila de Paiva	2020	65	2022	78

291 rows × 5 columns

slope_2020_2022 = slope(merge_by_acidentes_2020_e_2022, "0_x", "0_y")
intercept_2020_2022 = intercept(merge_by_acidentes_2020_e_2022, "0_x", "0_y")

predict_2022_usando_2020 = merge_by_acidentes_2020_e_2022.assign(num_2022_previsto = slope_2020_2022 * merge_by_acidentes_2020_e_2022.get("0_y") + intercept_2020_2022)
predict_2022_usando_2020

	bairro	ano_x	0_x	ano_y	0_y	num_2022_previsto
0	Aarão Reis	2020	60	2022	63	73.473589
1	Acaiaca	2020	10	2022	12	13.684818
2	Adelaide	2020	25	2022	31	35.959066
3	Alto dos Pinheiros	2020	16	2022	24	27.752764
4	Alípio de Melo	2020	24	2022	31	35.959066
...	...	...	...	...	...	...
286	Vitória	2020	25	2022	19	21.891120
287	Vitória da Conquista	2020	6	2022	6	6.650845
288	Washington Pires	2020	9	2022	8	8.995503
289	Álvaro Camargos	2020	12	2022	12	13.684818
290	Átila de Paiva	2020	65	2022	78	91.058521

291 rows × 6 columns

comparacao_previsto_real_2022_usando_2020 = predict_2022_usando_2020.assign(residual= (predict_2022_usando_2020.get("0_y") - predict_2022_usando_2020.get("num_2022_previsto")))
comparacao_previsto_real_2022_usando_2020

	bairro	ano_x	0_x	ano_y	0_y	num_2022_previsto	residual
0	Aarão Reis	2020	60	2022	63	73.473589	-10.473589
1	Acaiaca	2020	10	2022	12	13.684818	-1.684818
2	Adelaide	2020	25	2022	31	35.959066	-4.959066
3	Alto dos Pinheiros	2020	16	2022	24	27.752764	-3.752764
4	Alípio de Melo	2020	24	2022	31	35.959066	-4.959066
...	...	...	...	...	...	...	...
286	Vitória	2020	25	2022	19	21.891120	-2.891120
287	Vitória da Conquista	2020	6	2022	6	6.650845	-0.650845
288	Washington Pires	2020	9	2022	8	8.995503	-0.995503
289	Álvaro Camargos	2020	12	2022	12	13.684818	-1.684818
290	Átila de Paiva	2020	65	2022	78	91.058521	-13.058521

291 rows × 7 columns

Comparando o erro de previsão dos dois modelos :

residual_total_usando_2019 = ((comparacao_previsto_real_2022_usando_2019.get("residual") ** 2).sum()) / 291
residual_total_usando_2019

39.17828645346526

residual_total_usando_2020 = ((comparacao_previsto_real_2022_usando_2020.get("residual") ** 2).sum()) / 291
residual_total_usando_2020

92.17862044575266

Assim, concluimos que usar o número de acidentes por bairro de 2019 para prever os 2022 é melhor do que usar os número de acidentes por bairro de 2020.

Agora vamos prever os números de acidentes por bairro de 2023 :

def linear_regression(x, y):
    x_mean = np.mean(x)
    y_mean = np.mean(y)
    beta_1 = np.sum((x - x_mean) * (y - y_mean)) / np.sum((x - x_mean) ** 2)
    beta_0 = y_mean - beta_1 * x_mean
    return beta_0, beta_1

grouped_by_bairro_and_year = df.groupby(['bairro', 'ano']).size().reset_index()
grouped_by_bairro_and_year

years = grouped_by_bairro_and_year.get('ano').unique()
predictions_2023 = {}

for neighborhood in grouped_by_bairro_and_year.get('bairro').unique():
    accidents = grouped_by_bairro_and_year[grouped_by_bairro_and_year.get('bairro') == neighborhood].get([0]).values
    beta_0, beta_1 = linear_regression(years, accidents)
    prediction = beta_0 + beta_1 * 2023
    predictions_2023[neighborhood] = prediction

pred_2023_df = bpd.DataFrame().assign(bairro=list(predictions_2023.keys()), num_acidentes=list(predictions_2023.values()))
pred_2023_df

	bairro	num_acidentes
0	Aarão Reis	61.000000
1	Acaiaca	14.857143
2	Adelaide	32.571429
3	Alto dos Pinheiros	20.857143
4	Alípio de Melo	32.428571
...	...	...
291	Vitória	17.428571
292	Vitória da Conquista	7.714286
293	Washington Pires	7.285714
294	Álvaro Camargos	7.428571
295	Átila de Paiva	66.571429

296 rows × 2 columns

merge_by_acidentes_2019_e_2023 = dados_2019.merge(
    pred_2023_df,
    on='bairro'
)

merge_by_acidentes_2020_e_2023 = dados_2020.merge(
    pred_2023_df,
    on='bairro'
)

merge_by_acidentes_2021_e_2023 = dados_2021.merge(
    pred_2023_df,
    on='bairro'
)

merge_by_acidentes_2022_e_2023 = dados_2022.merge(
    pred_2023_df,
    on='bairro'
)

merge_by_acidentes_2019_e_2023.plot(kind = "scatter", x = merge_by_acidentes_2019_e_2023.columns[2], y = "num_acidentes" )
plt.xlabel('Número de acidentes por bairro em 2019')
plt.ylabel('Número de acidentes por bairro em 2023')

merge_by_acidentes_2020_e_2023.plot(kind = "scatter", x = merge_by_acidentes_2020_e_2023.columns[2], y = "num_acidentes" )
plt.xlabel('Número de acidentes por bairro em 2020')
plt.ylabel('Número de acidentes por bairro em 2023')

merge_by_acidentes_2021_e_2023.plot(kind = "scatter", x = merge_by_acidentes_2021_e_2023.columns[2], y = "num_acidentes" )
plt.xlabel('Número de acidentes por bairro em 2021')
plt.ylabel('Número de acidentes por bairro em 2023')

merge_by_acidentes_2022_e_2023.plot(kind = "scatter", x = merge_by_acidentes_2022_e_2023.columns[2], y = "num_acidentes" )
plt.xlabel('Número de acidentes por bairro em 2022')
plt.ylabel('Número de acidentes por bairro em 2023')
plt.show()

Ao observarmos os modelos de regressão e os gráficos gerados para:

• 2019 -> 2023
• 2020 -> 2023
• 2021 -> 2023
• 2022 -> 2023

Podemos observar que a linha de regressão, nos anos da pandemia, se eleva mais do quem em 2019 e 2022, fato que pode ser explicado pelo isolamento social, o qual acarretou o esvaziamento das vias públicas, resultando em menos acidentes.

Portanto, chegamos a conclusão de que pandemia teve impactos indiscutíveis nos padrões de trânsito, uma vez que era recomendado a todas as pessoas evitar ao máximo sair de suas casas.
Deste modo, utilizar de linhas de regressão pode acabar sendo um método limitado para fazer previsões em situações referentes a momentos antes/durante pandemia, tendo em vista que os impactos do lockdown fogem do padrão de acontecimentos normais.

11. Fazer Análises Adicionais de Interesse:

• Realize análises adicionais que sejam de seu interesse ou relevância para o projeto. Isso pode incluir a correlação entre diferentes variáveis, a análise de hotspots de acidentes, ou a investigação de fatores contribuintes para a gravidade dos acidentes.

Vamos analisar os hotspost de acidentes por região :

grouped_by_regiao = df.groupby("desc_regional").size().sort_values(ascending = False)
grouped_by_regiao

desc_regional
CENTRO-SUL         12900
PAMPULHA           10188
NOROESTE            9014
OESTE               8764
NORDESTE            7739
VENDA NOVA          6583
BARREIRO            6479
LESTE               6220
NORTE               5536
                    2196
dtype: int64

Assim concluimos que a região Centro-Sul é a regiao com mais acidentes.

• Agora vamos analisar qual é a região com mais acidentes por quilômetro quadrado, fazendo uma rápida pesquisa as áreas são : Centro-Sul = 31,53 Pampulha = 47,13 Noroeste = 38,16 Oeste = 33,39 Nordeste = 39,59 Venda Nova = 27,80 Barreiro = 53,51 Leste = 28,52 Norte = 33,21

acidentes__por_km_centro_sul = 409,1
acidentes__por_km_pampulha = 216,1
acidentes__por_km_noroeste = 236,2
acidentes__por_km_oeste  = 262,4
acidentes__por_km_nordeste = 195,4
acidentes__por_km_venda_nova = 236,7
acidentes__por_km_barreiro = 121,0
acidentes__por_km_leste = 218,0
acidentes__por_km_norte = 166,6

A região Centro-Sul continua sendo a região com mais acidentes por quilômetro quadrado.

Agora vamos fazer a mesma analise por bairro:

grouped_by_bairro = df.groupby("bairro").size().sort_values(ascending = False)
grouped_by_bairro

bairro
Jardim Montanhês                        2770
Centro                                  2566
Funcionários                            1387
Barreiro de Cima                        1033
Lourdes                                  962
                                        ... 
Conjunto Habitacional Vale do Jatobá      13
Vila das Antenas                           9
Nova Pampulha                              7
Mangueiras (Vale do Jatobá)                5
Novo Santa Cecília (Vale do Jatobá)        3
Length: 296, dtype: int64

Observamos uma grande concentração de acidentes nos bairros, Jardim Montanhês e Centro, caracterizando os moairoes hotspots de acidentes em Belo Horizonte.

Vamos analisar agora os acidentes fatais :

acidentes_fatais = df[df.get("indicador_fatalidade") == "SIM"]
acidentes_fatais

	numero_boletim	tipo_acidente	desc_tipo_acidente	cod_tempo	desc_tempo	cod_pavimento	pavimento	cod_regional	desc_regional	origem_boletim	...	coordenada_x	coordenada_y	hora_informada	indicador_fatalidade	descricao_ups	ano	mes	lat	lon	bairro
data_boletim
2016-01-07 15:54:00	2016-014209895-001	H06001	ATROPELAMENTO DE PESSOA COM VITIMA FATAL ...	1	BOM	1	ASFALTO	24	OESTE	POLICIA MILITAR	...	604394.37	7794721.04	SIM	SIM	NÃO INFORMADO	2016	7	-44.002425	-19.941150	Jardinópolis
2016-01-07 19:03:00	2016-014224486-001	H06001	ATROPELAMENTO DE PESSOA COM VITIMA FATAL ...	1	BOM	2	CONCRETO	22	NOROESTE	POLICIA MILITAR	...	606204.96	7796701.73	SIM	SIM	NÃO INFORMADO	2016	7	-43.985240	-19.923156	Coração Eucarístico
2016-01-12 16:48:00	2016-026065911-001	H01002	ABALROAMENTO COM VITIMA ...	2	CHUVA	1	ASFALTO	26	VENDA NOVA	POLICIA MILITAR	...	608932.89	7808965.54	SIM	SIM	NÃO INFORMADO	2016	12	-43.959901	-19.812198	Venda Nova
2016-01-14 22:20:00	2016-000710249-001	H99002	OUTROS COM VITIMA ...	2	CHUVA	1	ASFALTO	23	NORTE	POLICIA MILITAR	...	609829.67	7807202.61	SIM	SIM	NÃO INFORMADO	2016	1	-43.951235	-19.828076	Campo Alegre
2016-01-15 23:37:00	2016-001124317-001	H08002	CHOQUE MECANICO COM VITIMA ...	3	NEBLINA	1	ASFALTO	19	CENTRO-SUL	POLICIA MILITAR	...	614010.08	7792909.97	SIM	SIM	NÃO INFORMADO	2016	1	-43.910438	-19.956973	Mangabeiras
...	...	...	...	...	...	...	...	...	...	...	...	...	...	...	...	...	...	...	...	...	...
2022-11-24 18:00:00	2022-051500903-001	H99002	OUTROS COM VITIMA ...	1	BOM	1	ASFALTO	19	CENTRO-SUL	POLICIA MILITAR	...	610439.67	7797408.23	SIM	SIM	NÃO INFORMADO	2022	11	-43.944825	-19.916537	Centro
2022-11-27 01:50:00	2022-051851904-001	H08002	CHOQUE MECANICO COM VITIMA ...	1	BOM	1	ASFALTO	19	CENTRO-SUL	POLICIA MILITAR	...	614267.03	7795308.48	SIM	SIM	NÃO INFORMADO	2022	11	-43.908132	-19.935288	Vila Santana do Cafezal
2022-12-03 03:00:00	2022-010761998-001	H09002	COLISAO DE VEICULOS COM VITIMA ...	1	BOM	1	ASFALTO	22	NOROESTE	POLICIA MILITAR	...	609064.30	7799818.18	SIM	SIM	NÃO INFORMADO	2022	3	-43.958107	-19.894840	Senhor Bom Jesus
2022-12-05 14:19:00	2022-020254018-002	H06001	ATROPELAMENTO DE PESSOA COM VITIMA FATAL ...	1	BOM	1	ASFALTO	19	CENTRO-SUL	POLICIA MILITAR	...	610763.74	7797350.16	SIM	SIM	NÃO INFORMADO	2022	5	-43.941726	-19.917043	Centro
2022-12-26 00:57:00	2022-056378379-001	H08002	CHOQUE MECANICO COM VITIMA ...	0	NAO INFORMADO	0	NAO INFORMADO	25	PAMPULHA	POLICIA MILITAR	...	603444.20	7800384.96	SIM	SIM	NÃO INFORMADO	2022	12	-44.011822	-19.890025	São Sebastião (Ressaca)

669 rows × 22 columns

acidentes_fatais.groupby("desc_tempo").size()

desc_tempo
BOM                445
CHUVA               66
NAO INFORMADO      140
NEBLINA              3
NUBLADO             15
dtype: int64

acidentes_fatais_com_tempo_ruim = 66 + 3 + 15
poropocao = acidentes_fatais_com_tempo_ruim / (669 - 140)
poropocao

0.15879017013232513

Considerando apenas os acidentes com o tempo informado, a proporção de acientes fatais com um tempo ruim(chuva ou neblina ou nublado) é de aproximadamente 16%, uma quantidade bem significativa, mostrando a influência do clima nos acidentes de trânsito.